Understanding POI Handling in TTS Systems

TTS 발음 정확도를 위한 POI 이해

TTS에서 **POI(Proper Name or Point of Interest)**는 상호·브랜드·인명·지명 같은 고유명사 발음을 정확히 내도록 다루는 기술

왜 중요한가

• 실제 서비스 대본의 30% 안팎이 고유명사(브랜드, 앱·서비스명, 지점명, 상품명)로 섞여 있다.

• G2P만으론 새 브랜드/혼성 표기(영+한+숫자, 대소문자, 약어)를 자주 틀린다.

• 잘못 읽으면 신뢰·전환(콜센터, 내비게이션, 광고, IVR) 직격탄.

실무에서 통하는 하이브리드 접근

1. 사전(Dictionary) 계층

• 항목: 표기(surface), 발음(phoneme/romaja), 언어/도메인 태그, 우선순위, 유효기간, 동음이의 fallback.

• 키 정규화: 대소문자, 하이픈, 공백·특수문자, 라틴/한글 대응(예: “WooriCard”, “우리카드”).

• 발음 표기: 엔진용 음성기호(예: IPA/XSAMPA/내부 음소)로 저장. 억양 힌트(ToBI/phrase break) 컬럼 있으면 베스트.

1. 컨텍스트 모델링

• 언어모델/규칙으로 문맥별 발음 선택:
• “MS” → [엠에스] vs [마이크로소프트],
• “Apple” → [애플] vs [애쁠](영어 TTS),
• “LIVE” → [라이브] vs [리브] (브랜드).

• 도메인 태그(금융/내비/쇼핑)와 슬롯(‘상호명’, ‘지점명’)을 신뢰도 가중치에 반영.

1. OOV(사전에 없는 단어) 백오프

• 규칙 G2P → 영어 철자 읽기 규칙 → 약어 규칙(전부 대문자면 철자 읽기) → 숫자 읽기(케이스: “11번가”, “B2B”, “iPhone 15 Pro”).

• Web/내부 NER로 고유명사 탐지 후 동적 후보 생성(캐시).

1. 다국어/코드스위칭

• 토큰별 언어 탐지와 언어별 G2P를 음소 인터페이스 한 층으로 수렴.

• 예: “우리카드 WiBee Bank” → KO 음소 + EN 음소 혼용, 공백 전후 억양 경계(B1/B2) 삽입.

최소 구현 체크리스트

스키마 예시 (간단 JSON)

평가/모니터링 팁

• ASR 역인식 일치율(TER/WER): POI 토큰 가중치↑.

• 사전 커버리지: 서비스 로그의 NER 추출 상위 POI 대비 커버 비율.

• 오탐 로그: 사용자 수정/정정 이벤트로 사전 자동 제안.

빠른 데모용 규칙 스니펫(의사코드)